大规模评估树形状指数揭示潜在陷阱

尽管已有大量关于系统发育树形状指数的研究，但迄今尚未对这些指数在经验树上的表现开展大规模分析。在本研究中，我们通过计算从 EvoNAPS 和 RAxML Grove 数据库中获取的超过 45,000,000 棵经验树上的 54 个指数，弥补了这一不足。为计算这些指数，我们使用了自主开发的、全面的开源 Python 库 treeshapy。大规模评估结果表明，在开展树形状研究时存在若干潜在问题。对于其中 14 个指数，我们发现了明确证据，表明它们对树根的位置高度敏感。仅有 5 个指数在这一意义上表现稳定，而其余 35 个研究对象则表现出中等程度的定根不稳定性。因此，与根定位相关的不确定性会直接影响树形状值。 此外，除 5 个指数外，所有指数的取值都与树的规模存在内在相关性，即使采用适当的标准化技术也是如此。因此，通常不应比较规模不同的树的树形状值。我们还观察到，若干组指数之间存在很强的相关性。因此，为开展具有代表性的树形状研究，应选择适当的、彼此不相关的指数子集，以尽可能捕捉树形状的多个方面，同时避免得到本质上冗余的结果。本研究旨在为如何在经验数据上以更加谨慎且全面的方式开展树形状研究提供指导。除开源的 treeshapy Python 软件包外，我们还提出了选择合适指数的相应准则，并给出了谨慎解读相关结果的指导方针。

尽管已有大量关于系统发育树形状指数的研究，但尚未开展针对这些指数在经验树上表现的大规模分析。在本研究中，我们通过计算从 EvoNAPS 和 RAxML Grove 数据库中获取的 45,000,000 多棵经验树上的 54 个指数，对此进行了探究。为计算这些指数，我们使用了自主开发的、全面的开源 Python 库 treeshapy。大规模评估的结果表明，在开展树形状研究时存在若干潜在问题。对于其中 14 个指数，我们发现了明确的迹象，表明它们对树根的位置高度敏感。仅有 5 个指数在这一意义下表现稳定，而对于其余 35 个研究对象，我们观察到中等程度的定根不稳定性。因此，与根节点放置相关的不确定性会直接影响树形状值。此外，除 5 个指数外，所有指数的取值都与树的规模存在内在相关性，即使采用了适当的标准化技术也是如此。因此，通常不应比较规模不同的树的树形状值。我们还观察到，若干指数组之间存在很强的相关性。因此，为开展具有代表性的树形状研究，应选择适当的、彼此不相关的指数子集，以尽可能多地捕捉树形状的各个方面，同时避免产生本质上冗余的结果。本研究旨在为基于经验数据、以更加谨慎且全面的方式开展树形状研究提供指导。除开源的 treeshapy Python 软件包外，我们还提出了选择合适指数的相应准则，以及谨慎解读相关结果的指导方针。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.03.748783v1?rss=1

🏷️ 系统发育树形状 树形状指数 经验系统发育树 树根敏感性 树规模效应 系统发育分析